基于双层解耦和多级惩罚遗传算法的火力分配方法及系统技术方案

本申请属于武器目标分配技术领域，具体涉及基于双层解耦和多级惩罚遗传算法的火力分配方法及系统，方法包括：分别基于攻击平台与目标平台之间的威胁关系及空间分布特性，构建包括威胁矩阵与火力分配隶属度的火力分配一级解耦模型构建面向目标函数的火力分配二级优化模型，融合硬约束和软约束、多级惩罚机制、自适应惩罚因子与；采用融合多层感知机与遗传算法的MLP‑GA优化方法，对二级火力分配模型迭代求解。本申请通过“双层解耦+多级惩罚”优化机制的火力分配方法，兼具结构分解、智能优化与环境适应能力，解决了现有火力分配方法响应迟缓、难以满足复杂动态战场需求的技术问题，提升复杂战场下火力资源配置的实时性与鲁棒性。

【技术实现步骤摘要】

本专利技术属于武器目标分配，具体而言，涉及基于双层解耦和多级惩罚遗传算法的火力分配方法及系统。

技术介绍

1、在现代海上作战中，火力资源的高效配置和精确打击是提升作战效能的关键。武器目标分配(weapon-targetassignment,wta)作为决策支持系统中的核心问题，涉及多个攻击平台、导弹类型与目标之间的复杂匹配，是典型的多约束组合优化问题。传统wta模型通常将火力分配与航路规划过程紧密耦合，试图通过联合优化实现任务执行路径和打击效果的同步提升。然而，这种强耦合方式在一定程度上忽视了二者间的相对独立性与交互影响，使得模型在面临复杂战场态势变化时响应迟缓，难以实现资源的最优利用。

2、从算法角度来看，火力分配问题由于目标数量、平台种类及武器类型的多样性，其解空间随之呈指数级增长，属于典型的np难问题。尽管传统的精确算法(如分支定界、动态规划等)能够获得最优解，但其计算复杂度极高，难以在实时战场环境中应用。为提升求解效率，研究者引入了诸如粒子群优化(particle swarm optimization,pso)、遗传算法(genetic本文档来自技高网...

【技术保护点】

1.基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，步骤S1包括：步骤S11：计算攻击平台与目标平台之间的威胁矩阵，以量化各攻击平台对各目标平台的威胁程度；步骤S21：基于作战目的确定目标函数，并确定目标函数对应的适应度函数。

3.根据权利要求2所述的基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，步骤S11包括：

4.根据权利要求2所述的基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，步骤S21包括：p>

5.根据权...

【技术特征摘要】

1.基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，步骤s1包括：步骤s11：计算攻击平台与目标平台之间的威胁矩阵，以量化各攻击平台对各目标平台的威胁程度；步骤s21：基于作战目的确定目标函数，并确定目标函数对应的适应度函数。

3.根据权利要求2所述的基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，步骤s11包括：

4.根据权利要求2所述的基于双层解耦和多级惩罚遗传算法的火力分配方法，其特征在于，步骤s21包括：

5.根据权利要求2所述的基于双层解耦和多级惩罚遗传算法的火力分...

【专利技术属性】
技术研发人员：刘钢，黄冬，何昱，刘立志，李武，何文，张家铭，
申请(专利权)人：湖南理工学院，
类型：发明
国别省市：